在數據倉庫的設計指導思想中，數據倉庫的概念定義是非常重要的，數據倉庫概念規定了數據倉庫所具有的幾個基本特性，這些特性也正是對數據倉庫設計結果進行檢驗的重要依據。
根據Bill.Inmon的定義，“數據倉庫是面向主題的、集成的、穩定的、隨時間變化的，主要用于決策支持的數據庫系統”。
ODS（Operational Data Store）是數據倉庫體系結構中的一個可選部分，ODS具備數據倉庫的部分特征和OLTP系統的部分特征，它是“面向主題的、集成的、當前或接近當前的、不斷變化的”數據。
一般在帶有ODS的系統體系結構中，ODS都設計為如下幾個作用：
1）在業務系統和數據倉庫之間形成一個隔離層
一般的數據倉庫應用系統都具有非常復雜的數據來源，這些數據存放在不同的地理位置、不同的數據庫、不同的應用之中，從這些業務系統對數據進行抽取并不是一件容易的事。因此，ODS用于存放從業務系統直接抽取出來的數據，這些數據從數據結構、數據之間的邏輯關系上都與業務系統基本保持一致，因此在抽取過程中極大降低了數據轉化的復雜性，而主要關注數據抽取的接口、數據量大小、抽取方式等方面的問題。
2）轉移一部分業務系統細節查詢的功能
在數據倉庫建立之前，大量的報表、分析是由業務系統直接支持的，在一些比較復雜的報表生成過程中，對業務系統的運行產生相當大的壓力。ODS的數據從粒度、組織方式等各個方面都保持了與業務系統的一致，那么原來由業務系統產生的報表、細節數據的查詢自然能夠從ODS中進行，從而降低業務系統的查詢壓力。
3）完成數據倉庫中不能完成的一些功能
一般來說，帶有ODS的數據倉庫體系結構中，DW層所存儲的數據都是進行匯總過的數據，并不存儲每筆交易產生的細節數據，但是在某些特殊的應用中，可能需要對交易細節數據進行查詢，這時就需要把細節數據查詢的功能轉移到ODS來完成，而且ODS的數據模型按照面向主題的方式進行存儲，可以方便地支持多維分析等查詢功能文章來源：中國公務網 2005-6-20 1:51:55。
在一個沒有ODS層的數據倉庫應用系統體系結構中，數據倉庫中存儲的數據粒度是根據需要而確定的，但一般來說，最為細節的業務數據也是需要保留的，實際上也就相當于ODS，但與ODS所不同的是，這時的細節數據不是“當前、不斷變化的”數據，而是“歷史的，不再變化的”數據。
設計方法
在數據倉庫設計方法和信息模型建模方法中，前人的著作對各種思路和方法都做過大量的研究和對比，重點集中在ER模型和維模型的比較和應用上。根據我們的實踐經驗，ER模型和維模型在數據倉庫設計中并非絕對對立，尤其在ODS設計上，從宏觀的角度來看數據之間的關系，以ER模型最為清晰，但從實現出來的數據結構上看，用維模型更加符合實際的需要。因此孤立地看ER模型或者維模型都缺乏科學客觀的精神，需要從具體應用上去考慮如何應用不同的設計方法，但目標是一定的，就是要能夠把企業的數據從宏觀到微觀能夠清晰表達，并且能夠實現出來。
本文中重點介紹維模型的應用。
ODS設計指南
在ODS的概念定義中，已經描述了ODS的功能和特點，實際上ODS設計的目標就是以這些特點作為依據的。ODS設計與DW設計在著眼點上有所不同，ODS重點考慮業務系統數據是什么樣子的，關系如何，在業務流程處理的哪個環節，以及數據抽取接口等問題。
第零步：數據調研
有關數據調研的內容和要求，在《調研規范》文檔中做了詳細定義，此處不再重復。
第一步：確定數據范圍
確定數據范圍實際上是對ODS進行主題劃分的過程，這種劃分是基于對業務系統的調研的基礎上而進行的，并不十分關心整個數據倉庫系統上端應用需求，但是需要把上端應用需求與ODS數據范圍進行驗證，以確保應用所需的數據都已經從業務系統中抽取出來，并且得到了很好的組織。一般來講，主題的劃分是以業務系統的信息模型為依據的，設計者需要綜合各種業務系統的信息模型，并進行宏觀的歸并，得到企業范圍內的高層數據視圖，并加以抽象，劃定幾個邏輯的數據主題范圍。在這個階段，以ER模型表示數據主題關系最為恰當。
第二步：根據數據范圍進行進一步的數據分析和主題定義
在第一步中定義出來了企業范圍內的高層數據視圖，以及所收集到的各種業務系統的資料，在這一步中，需要對大的數據主題進行分解，并進行主題定義，直到每個主題能夠直接對應一個主題數據模型為止。在這個階段，將把第一步生成的每個ER圖中的實體進行分解，分解的結果仍以ER表示為佳。
第三步：定義主題元素
定義維、度量、主題、粒度、存儲期限
定義維的概念特性：
維名稱，名稱應該能夠清晰表示出這個維的業務含義。
維成員，也就是這個維所代表的具體的數據，
維層次，維成員之間的隸屬與包含的層次關系，每個層次需要定義名稱
定義度量的概念特性：
度量名稱，名稱應該能夠清晰標書這個度量的業務含義
定義主題的概念特性：
主題名稱和含義，說明該主題主要包含哪些數據，用于什么分析；
主題所包含的維和度量；
主題的事實表，以及事實表的數據。
定義粒度：
主題中事實表的數據粒度說明，這種粒度可以通過對維的層次限制加以說明，也可以通過對事實表數據的業務細節程度進行說明。
定義存儲期限：
主題中事實表中的數據存儲周期。
第四步：迭代，歸并維、度量的定義
在ODS中，因數據來自于多個系統，數據主題劃分時雖然對數據概念進行了一定程度上的歸并，但具體的業務代碼所形成的各個維、以及維成員等還需要進一步進行歸并，把概念統一的維定義成一個維，不允許同一個維存在不同的實體表示（象不同的業務系統中一樣）Www.GongWu.Com.Cn 2007-2-1 5:40:50。
第五步：物理實現
定義每個主題的數據抽取周期、抽取時間、抽取方式、數據接口，抽取流程和規則。
物理設計不僅僅是ODS部分的數據庫物理實現，設計數據庫參數、操作系統參數、數據存儲設計之外，有關數據抽取接口等問題必須清晰定義。
DW設計指南
盡管我們看到過很多關于“不考慮應用，先建立數據平臺”的說法，但建立一個“萬能的”東西是不可能的，所以數據倉庫的設計必須參照應用范圍、應用類型，例如要考慮到系統用于報表、OLAP、數據挖掘的哪些模型等等，不同的應用對